Proiectul DAISY (Deiji purojekuto デイジィプロジェクト?) a fost un nume de cod pentru proiectul VOCALOID, lansat în martie 2000 de compania japoneză Yamaha. Denumirea provine de la un experiment realizat de Laboratoarele Bell, legat de primul cântec interpretat de un calculator, „Daisy Bell”. În cele din urmă, în februarie 2003, a fost oficializat numele „VOCALOID”.

Istoric În aprilie 2000, a început cercetarea privind procesarea semnalelor pentru VOCALOID, în colaborare cu Music Technology Group (MTG) de la Universitatea Pompeu Fabra din Barcelona. Au fost contactate compania Crypton Future Media, Inc. din orașul Sapporo în mai 2002, Zero-G Limited din Anglia în toamna aceluiași an și încă o firmă, cu care ulterior s-au încheiat acorduri de licențiere pentru vânzare și crearea de librării de voce.

La 26 februarie 2003 a avut loc o conferință de presă privind dezvoltarea software-ului, iar în același an, în martie, au fost prezentate prototipuri la Musikmesse și la Convenția AES. În ianuarie 2004, la standul NAMM Show (expoziția de instrumente muzicale a Asociației Naționale a Comercianților de Muzică din Statele Unite ale Americii), au apărut primele produse VOCALOID, LEON și LOLA, anunțate de Zero-G Limited și lansate oficial în Japonia la 3 martie în același an.

Cercetare comună (Yamaha × MTG)

Music Technology Group miniatura|120x120px| Cercetarea comună dintre Yamaha și Music Technology Group (MTG) de la Universitatea Pompeu Fabra a fost realizată în cadrul unui grup de cercetare fondat în 1994, care reunește aproximativ 40 de cercetători ce lucrează în domenii precum prelucrarea semnalelor, acustica, muzica, modelarea performanței muzicale și comunicarea muzicală. În 2005 a fost anunțat „Sintetizatorul modular cu interfață din lumea reală” (cunoscut și ca „Reactable”), unul dintre rezultatele cercetării MTG. Alte rezultate includ Proiectul Freesound și compania IT BMAT, specializată în proiecte muzicale.

Xavier Serra miniatura|136x136px|Xavier Serra Xavier Serra, fondator și director al MTG, a fost membru al CCRMA la Universitatea Stanford în anii 1980 și, împreună cu Julius O. Smith, expert în sinteză prin modelare fizică, a dezvoltat în 1987 metoda de analiză/sinteză PARSHL, care utilizează o extensie de urmărire a înălțimii tonului a vocoderului de fază, similară metodei MQ.

În 1989, McAulay și Quatieri au propus metoda MQ, o metodă de analiză/sinteză a vorbirii bazată pe reprezentare sinusoidală, cunoscută și ca modelare sinusoidală. Această metodă, denumită Spectral Modeling Synthesis (SMS), este o metodă inarmonică de analiză și sinteză a sunetului muzical care adaugă componente de zgomot modelului acustic și a fost utilizată în sinteza vorbirii. Metoda SMS a fost folosită și ca una dintre tehnologiile fundamentale în cercetarea colaborativă VOCALOID, începută în aprilie 2000.

Rezultatele cercetării comune Conform lui Loscos (2007), tehnicile de procesare a semnalului dezvoltate în cadrul cercetării comune dintre MTG și Yamaha au fost publicate în trei lucrări între 2001 și 2003: Bonada & Loscos (2003), Bonada et al. (2003) și Bonada et al. (2001). Această cercetare a demonstrat un sistem capabil să sintetizeze voci cântate prin transpunerea, deformarea temporală și concatenarea segmentelor de vorbire dintr-o bază de date cu voci cântate, în funcție de partituri muzicale și versuri, folosind tehnici bazate pe cadre în domeniul frecvenței.

Modelul de vorbire utilizat în studiu se bazează pe reprezentarea „armonică + reziduală” a metodei SMS (un model spectral) și o combină cu reprezentarea „excitație + rezonanță” a modelului „Excitation plus Resonances” (EpR), o extensie a modelului sursă–filtru, cu caracter cvasi-fizic. Diferența dintre model și forma de undă originală este stocată ca formă spectrală diferențială în timpul analizei și adăugată ulterior pentru a reduce degradarea calității sunetului în timpul resintezei.

Ca bază pentru sintetizarea vocii, a fost dezvoltată o tehnică de transformare a eșantionului bazată pe un vocoder cu fază blocată, utilizând metoda de analiză/sinteză spectrală bazată pe cadre Spectral Peak Processing (SPP). Aceasta implică scalarea timpului, conversia tonalității prin scalare spectrală neliniară, corecția de fază și ajustarea timbrului prin egalizarea anvelopei spectrale.

În ceea ce privește concatenarea fragmentelor, a fost dezvoltată o metodă prin care un cadru de tranziție este inserat între cadrele fragmentelor, iar tehnica de transformare a eșantionului menționată mai sus este utilizată pentru a realiza dezvăluirea fazei și interpolarea anvelopei spectrale.

Pentru detalii despre tehnologia utilizată efectiv în versiunea finală a VOCALOID, vezi, de exemplu, Kenmochi & Oshita (2008).

Note

Bibliografie

Categorie:Vocaloid